为一家全球性矿业公司开发一个快速解决的、基于物理的粉碎模型

碎石构成了我们社会的基础. 随着对可持续发展的需求不断增长, 提高岩石破碎设备的性能和效率对矿业公司来说变得越来越重要.

背景:DEM挖掘解决方案

Element的数字工程团队最近与一家全球矿业公司合作，优化其岩石破碎(或“粉碎”)机器的设计, 提高性能, 提高能源效率, 延长寿命估计.

为了实现这一目标，我们的专家开发了一种基于物理的， 离散元模型(DEM) 的采矿设备，使破碎过程的模拟. DEM模型允许团队模拟任何给定设计的岩石破坏过程, 这使得客户能够根据他们的需求选择最有效的产品.

The challenge

Unfortunately, 该模型的解决方案需要大量的计算时间，团队需要评估大量的设计案例来优化设置. 因此，必须加快解决时间. 这是通过开发一种 降阶半解析模型(ROM) 它将基于物理的破损模型与机器学习代理模型相结合, 使用从一组简化的非破碎DEM模拟中获得的冲击数据. 

The ROM uses a 数据科学解决方案 利用DEM模型模拟的结果. 我们最小化了为机器学习算法提供足够数据所需的DEM模型解决方案. 这使得算法可以根据输入变量的变化来建立岩石大小之间的关系. 该算法还评估了输入变量的变化对机器磨损等指标的影响. We used a 贝叶斯实验设计 技术来决定训练ROM所需的DEM模拟. 

The solution

一旦我们的客户开始使用这项技术, 他们不可避免地问了这个问题, “我们可以用它来优化破碎机的设计?”. 我们的专家开发了一个解决方案，为我们的客户提供诸如“我需要什么输入来实现目标输出”等问题的答案?以及“当我不确定某些输出量的确切值时，我需要哪些输入来实现一系列输出。?” 

The result

由此产生的预测工具使我们的客户能够自信地优化他们的粉碎机械. 工程师现在可以快速更改在役机械的操作，以保持一致的输出. 他们还可以轻松地为未来的应用开发新机器，以维持其全球业务的一致生产.

Contact our experts 来学习我们如何建模, simulation, 优化服务可以提高您的运营效率.